5,182 件 ・ 関連度順
概要と使いどころ
Use this skill for Hugging Face Diffusers tasks: pipeline inference, schedulers, adapters/loaders, training recipes, modular pipelines, conversion helpers, CLI checks, and repo maintenance.
日本語の概要は準備中です。原文の説明を表示しています。
Guides Earth2Studio weather and climate inference workflows, data access, model and component selection, output/checkpoint handling, extension, and optional REST serving with backend-aware validation.
日本語の概要は準備中です。原文の説明を表示しています。
Use EasyR1 for multimodal LLM RL post-training, dataset/reward preparation, core API debugging, and checkpoint export workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Route DiffDock docking, web UI, training/data preparation, and benchmark evaluation tasks to focused repo-specific guidance.
日本語の概要は準備中です。原文の説明を表示しています。
Routes easy12306 12306 captcha recognition tasks across pretrained inference, data preparation, text-model training, and image-model training workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use and troubleshoot the Dream Textures Blender add-on for Stable Diffusion image generation, texture projection, render passes, model setup, and backend APIs.
日本語の概要は準備中です。原文の説明を表示しています。
Operate doccano for text annotation, dataset import/export, auto-labeling, deployment, and repo maintenance.
日本語の概要は準備中です。原文の説明を表示しています。
Routes EasyCV training, evaluation, prediction, export, and data workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use Docling to convert, parse, configure, extract, chunk, serve, and maintain document-processing workflows across Python APIs, CLI commands, optional pipelines, and repository edits.
日本語の概要は準備中です。原文の説明を表示しています。
Route DLTK 0.2.1 medical-imaging workflows across legacy TensorFlow 1.x data, models, Estimators, and deployment utilities.
日本語の概要は準備中です。原文の説明を表示しています。
Use Donut for OCR-free document understanding, checkpoint inference, fine-tuning, evaluation, and SynthDoG synthetic document generation.
日本語の概要は準備中です。原文の説明を表示しています。
Use EasyOCR to detect and recognize text in images, configure model and language selection, load custom recognition bundles, and troubleshoot DBNet setup.
日本語の概要は準備中です。原文の説明を表示しています。
Operate ECCV2022-RIFE video frame interpolation, benchmark evaluation, and training workflows from a source checkout.
日本語の概要は準備中です。原文の説明を表示しています。
Routes DocsGPT deployment, source ingestion, retrieval, agent workflows, tools, integrations, and native or OpenAI-compatible API operations.
日本語の概要は準備中です。原文の説明を表示しています。
Use DreamCraft3D for image-conditioned 3D generation, staged optimization, texture boosting, export, and CUDA troubleshooting.
日本語の概要は準備中です。原文の説明を表示しています。
Route EdgeConnect requests for image inpainting setup, data preparation, training, checkpoint-backed testing, and evaluation.
日本語の概要は準備中です。原文の説明を表示しています。
Use the einops Python package for readable tensor rearrangement, reductions, repetition, named-axis einsum, packing, framework layers, and repository maintenance workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Use DeepMind dm-haiku as a JAX neural-network library for transforms, modules, state/RNG, layers, advanced JAX interop, and optional Flax interop.
日本語の概要は準備中です。原文の説明を表示しています。
Use DeepMind dm_control for MuJoCo simulation, Control Suite environments, PyMJCF models, Composer tasks, rendering, and high-level locomotion/manipulation workflows.
日本語の概要は準備中です。原文の説明を表示しています。
Routes DI-engine users to the right workflow for CLI/config launches, serial and framework-based RL pipelines, and environment integration.
日本語の概要は準備中です。原文の説明を表示しています。
Routes DINO DETR object-detection setup, COCO data validation, CUDA deformable-attention preparation, training, evaluation, inference, visualization, and bounded benchmarking tasks.
日本語の概要は準備中です。原文の説明を表示しています。
Guide the official Elasticsearch Python client for cluster connections, generated APIs, async code, bulk ingestion, query DSL, ES|QL, optional integrations, and runtime troubleshooting.
日本語の概要は準備中です。原文の説明を表示しています。
Use Diffusion Policy for robot imitation-learning configs, zarr replay data, policy/model interfaces, training/evaluation workflows, and safety-gated real robot operations.
日本語の概要は準備中です。原文の説明を表示しています。
Use DIG (Dive into Graphs) to load graph-learning datasets, run graph generation, self-supervised learning, GNN explainability, 3D graph learning, GOOD OOD datasets, graph augmentation, fair graph learning, and large-scale graph workflows.
日本語の概要は準備中です。原文の説明を表示しています。